7.2 实验测试与外场验证

7.2 实验测试与外场验证

本节摘要：仿真再像，也不是真信号。本节讲从实验室到外场的两级实测：先用可复现的受控环境验协议与物理层细节，再拉出真室外场景验覆盖、切换与整网表现。重点敲开两个测量的坑——场景不可控和测量口径不清，它们让"好看的数据"随时可以骗人。

承接 7.1 的仿真台阶，本节把验证从"电脑里的曲线"推进到"真信号与真机器"。是真刀真枪验收链路预算账的第 2 级台阶。

仿真再像，也不是真信号

仿真有一个致命的"脾气"：它跑得再漂亮，也只在你自己设定与建模的那个世界里成立。你把信道模型配得再精致，那一棵树、那一栋新落成的大楼、那一阵说来就来的雨、那一段上下班高峰的车流，仿真平台一律看不见。所以验证的手艺到这儿必须从"电脑里的曲线"再往前推一截，落到真信号、真机器、真场景上去——这一级台阶，就是实验测试与外场验证。

它又分两级。实验室测试是把终端、基站、甚至信道衰落仪接在同一台有得可控的平台上，模拟出固定深度的衰落、固定噪声底，反复跑同一条用例，专用来验"对错"：协议流程对不对、标准合不合规、边界会不会炸。它的长处在"受控可复现"，短板也明显——它再精致，也抠不出真实街区的杂乱反射和真实的人流车流。外场验证则干脆把设备搬出去，让它在"人来车往、晴雨轮换"里验覆盖、切换、吞吐、时延的真实表现，专用来验"过不过得去"。

读这一节要记住一句把两级串起来的话：实验室负责"别出错"，外场负责"过得去"。缺一级都不行——只在实验室合规背书，外场一出事就翻车；只信外场某次漂亮峰值，落地就被一次偶发的坏天打脸。两级实测不是交替选择，而是验收链路预算账时前后脚踩实的两级台阶。

学习目标

• 分清实验室测试与外场验证各验哪一层、各有什么优劣。
• 说出外场测量最该盯住的几个坑与对策。
• 用一次实测流程，理解从设计到拿到可信数据的完整路径。

实验室：可复现的显微镜

实验室测试的价值在于"受控、可复现"。把终端、基站、甚至信道衰落仪接在一起，模拟出固定深度的衰落、固定的噪声底，反复跑同一条用例，看协议流程、物理层行为、异常边界。它最适合验"对错"——标准合规、流程正确、边界不炸。

劣势也直白：实验室再精致，也抠不出真实街区里杂七杂八的反射、真实时段的流量脉冲、真实基站的邻居干扰。所以实验室验"会不会错"，外场才验"过不过得去"。

外场：真场景的泼冷水

外场测试把设备搬进真实环境，验覆盖、切换、吞吐、时延在"人来车往、晴雨轮换"下的真实表现。它最能暴露仿真没建模的那些现实——一棵树、一栋新楼、一阵雨，都可能让数据大变。

外场的难处在于场景不可控：同一个站点今天测和明天测，结果能差一截。所以外场数据最忌"甩一个数就下结论"，要靠"多抽样、分时段、记场景"，让数字能对得上变化的原因，而不是随机波动。

测量容易唬人的两个地方

• 场景不可控：同一测点，时段、天气、车流都会改写结果。对策是分层、分时、多次抽样做平均。
• 口径不清：抓的是"某一次峰值"还是"统计平均"？是"只有这台设备"还是"满负荷邻居都在抢"？口径不定，数据没法横向比。

这两条几乎藏着所有"外场好看但落地翻车"的根因。

一次外场采集的骨架

用一段脚本把"多次取样、剔除离群、报统计口径"的外场流程走一遍：

import random, statistics
random.seed(9)

def field_sample(n):
    # 模拟同一测点多次取样的吞吐(dBm或Mbps), 含偶发离群
    return [max(0, random.gauss(80, 6)) for _ in range(n)]

def report(samples):
    # 去掉最差百分之五的离群点, 再报中位数/均值/最大/最小
    keep = sorted(samples)[:int(len(samples)*0.95)]
    return (statistics.median(keep), statistics.mean(keep),
            max(keep), min(keep))

s = field_sample(200)
med, mean, hi, lo = report(s)
print(f"上报口径: 中位数 {med:.1f} 均值 {mean:.1f} 最差 {lo:.1f} 最好 {hi:.1f}")
print("说明: 去掉离群后再报统计点, 才不会被偶发峰值带偏")
​

输出的要点是"口径"两个字：报均值、中位数还是峰值，落地方案完全不同。工程上宁取稳的中位数偏保守，也不想被一次漂亮峰值骗得过度乐观。

把两级实测摆回全书那张验收账，你会发现它们正好补上了仿真够不着的两角：实验室给"对错"背书，外场给"过得去"背书。第 7.1 节的三级仿真再像，也是在你建模的那个"理想世界"里跑；而实验测试与外场验证，是要把这张账拿到"有树、有楼、有雨、有人流"的真实世界去兑一遍。这层验收的价值不仅仅在"证明设计有效"，更在于它经常反过来修正这张账——外场测出来的覆盖拐点、切换痛点、时延分布，往往会让工程师回头重算第 2.4 章的主表、重做第 5 章的规划。真正能拍板的设计，一定是在"纸上账→电脑账→现场账"这三本账之间来回迭代后才成立的，而本节要训练的，正是那一步最重要的"拿真信号说话、让数字对得上原因"的功力。

做外场测试前，还有一个小流程值得习惯化：先把"测什么、在哪儿测、测多久、怎么报"写成一份简单的测量计划，再拿着它上路。不要小看这一步——很多外场数据之所以没法横向比、也解释不了现象，根子就在"去测的时候自己都不知道这趟到底要抓什么"。把指标、点位、时段、天气、抽样数先在纸面钉清楚，回来报数时每一笔都对得上原因，现场得来的数据才会从"一堆随机数"变成"能支撑决策的证据"。这一份从容，正是工程师"现场验账"专业功的起点。

易踩的坑

常见坑：拿"纯实验室合规"去背书外场性能，或拿"外场某一次峰值"去背书全程体验。两级实测缺一不可——实验室保证不出错，外场保证过得去，少一级验证都要为"上线翻车"埋雷。

本节要点回顾

• 实验室验对错：受控可复现，验协议与物理层行为的边界。
• 外场验过不过得去：真场景验覆盖、切换、吞吐的实况。
• 两大坑：场景不可控、口径不清，几乎吸光了所有翻车案例。
• 采集纪律：分时多种、去离群、报统计口径，数据才可信。